基于布谷鸟算法和BP神经网络的矿用变压器故障诊断

针对用于矿井中的油浸式变压器故障诊断问题,提出了一种基于布谷鸟搜索(CS)算法优化BP神经网络的新算法,利用CS算法优化网络的阈值和权值并将优化后的参数用于BP神经网络进行故障诊断,以提高收敛速度和诊断正确率。通过对变压器故障实例分析,表明该算法具有实用性和有效性。     

基于模糊Petri网与状态监测的提升机故障诊断方法

讨论了合成式模糊产生式规则及Petri网故障诊断原理与方法。基于模糊Petri网知识表示模型建立了提升机制动系统故障诊断模型,结合分步式的矩阵推理算法,克服了传统专家系统推理效率低的问题,同时利用故障传播矩阵记录故障的传播过程,体现了故障传播的动态行为,并通过实例验证了算法的正确性。提出了提升机状态监测与模糊Petri网一体化系统模型及其实现方法。充分利用了组态王设备监测与Petri网快速诊断的优势,通过组态王搭建提升机数据监测平台,监测数据经隶属度函数模糊化处理后形成初始标识,输入到模糊Petri网,实现实时监测与动态诊断。     

基于模糊输入的概率神经网络在变压器故障诊断中应用

将概率神经网络引入到油浸式电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理方法。采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型。通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性。     

基于人工鱼群算法的变压器故障诊断研究

针对变压器在故障诊断时复杂难辨的问题,提出了一种基于人工鱼群算法优化BP神经网络的故障诊断方法。该方法首先将所得的样本进行预处理,然后通过归一化后的故障特征量样本和目标期望输出,对建立的模型进行样本训练,最后将验证数据进行诊断测试。诊断结果表明,采用该方法可以满足变压器故障诊断的需要,具有很强的实用价值。     

基于GA-BP神经网络的变压器故障诊断

提出利用GA-BP神经网络的系统对变压器的故障诊断进行优化。利用GA遗传算法优化BP的初始权值,得到GA-BP神经网络。同时使用L-M算法训练GA-BP,使其可精确识别故障变压器内部的气体含量变化,并针对变压器故障诊断过程进行高效处理。GA-BP神经网络具备模糊算法,具有计算快速和判断准确等优点,可在很多的领域内保障电气安全,因而其具有良好的发展前景。     

基于遗传算法化模糊Petri网的掘进工作面瓦斯爆炸事故致因分析

针对掘进工作面瓦斯爆炸事故原因具有不确定性和模糊性的特点,构建了基于模糊产生式规则的模糊Petri网模型,并设计遗传算法对模型的变迁可信度参数进行优化,运用极大代数运算的不确定性并行推理算法进行推理,以分析事故引发的原因,其有效的模糊推理过程便于计算机编程实现,提高了事故分析效率。     

基于遗传算法优化模糊Petri网的掘进工作面瓦斯爆炸事故致因分析

针对掘进工作面瓦斯爆炸事故原因具有不确定性和模糊性的特点,构建了基于模糊产生式规则的模糊Petri网模型,并设计遗传算法对模型的变迁可信度参数进行优化,运用极大代数运算的不确定性并行推理算法进行推理,以分析事故引发的原因,其有效的模糊推理过程便于计算机编程实现,提高了事故分析效率。     

基于PSO优化BP神经网络的变压器故障诊断

为克服BP神经网络算法在故障诊断应用中的缺点,提出了粒子群优化BP神经网络的方法,并在此基础上优化BP神经网络的结构来提高准确率。最后,通过对变压器故障诊断在Matlab中的仿真结果,验证了此方法有较高的准确率和较快的收敛速度。     

基于蚁群算法和Petri网的井下有轨运输调度优化

为解决地下矿山有轨运输调度问题,将Petri网理论引入矿山井下有轨运输调度优化中,结合蚁群算法思想,建立基于蚁群算法的赋时Petri网模型,并将蚁群系统算法机制改进后用于Petri网模型的分析,在模型中加入了根据地下矿山有轨运输系统改进过的时间戳状态类,使模型能够更好地处理运行过程中信息素、启发式因子等,优化参数与时间、状态之间的关系,建立了优化计算的详细步骤,简化了计算。并用计算实例验证了优化方法的有效性。     

基于蚁群算法和BP神经网络的矿井通风机故障诊断

采用蚁群算法代替BP算法来训练神经网络的权值和阈值,通过比较2种算法的训练结果,基于蚁群优化的神经网络具有较快的收敛速度,而且能够克服BP算法易于陷入局部最优解的缺陷。采用蚁群算法训练后的神经网络对矿井通风机进行了故障诊断,实验结果表明,该方法是一种有效的故障诊断方法,具有较好的故障诊断效果。     

金属露天矿旋回式破碎机在线故障诊断模型构建与实时分析

矿石破碎是露天矿采矿生产工艺的重要环节,旋回式破碎机作为露天矿进行破碎的大型设备,其故障的诊断通常较为复杂,难以利用主观经验进行精确及快速诊断。针对旋回式破碎设备的故障诊断问题,利用传感器实时采集数据,基于改进后BP神经网络构建故障诊断模型,以偏心套故障、轴承磨损、平行轴缺油、平行轴油温异常作为故障类型,以回流油温、润滑油油压、轴承振动频率、轴承转速作为故障特征参数,利用已知故障类型和故障样本数据对BP神经网络故障诊断模型进行了训练和优化,最后通过测试数据对优化后的旋回式破碎机故障诊断模型进行了验证。结果表明:基于BP神经网络的故障诊断模型能够对旋回式破碎机故障状态实时地做出有效判断,实现以预防为主的故障诊断方式,满足了露天矿大型旋回式破碎机的故障诊断的需求。     

基于遗传神经网络的矿井通风机故障诊断研究

为了提高矿井通风机机械故障诊断的准确性,提出了一种基于遗传神经网络的矿井通风机故障诊断模型。利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法优化BP神经网络的连接权重和阈值。弱化了故障诊断中的人为因素,提高了评价结果的准确性和权威性。仿真结果表明,该诊断方法具有准确度高、诊断速度快等优点,是一种实用的故障诊断方法。     

基于模糊Petri网的发动机磨损故障诊断

发动机的磨损是发动机最常见的故障发生原因,及时、准确地检测出发动机的磨损状况是非常重要的。Petri网是一种用网状图形表示的系统建模方法,适于描述异步并发现象的计算机系统模型,是对并行及并发系统进行行为分析的有效工具,建立了发动机磨损故障诊断的模糊Petri网模型。该模型将模糊启发式规则的表示和诊断能力融为一体,完成不确定性知识和过程性的模糊诊断推理,通过简单的矩阵运算快速获得诊断结果。Matlab的仿真结果证明了该方法对发动机磨损故障诊断的有效性。     

矿用并网光伏发电系统故障诊断研究

深入分析某矿用并网光伏发电系统故障模式的基础上,提出一种基于模糊Petri网(fuzzy Petri net,FPN)的矿用并网光伏发电系统故障诊断方法。以某矿用并网光伏发电系统为例,在构建其故障知识的模糊产生式规则集合的基础上,建立了该矿用并网光伏发电系统故障诊断的FPN模型,分析了系统故障原因的可信度。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

基于智能信息融合的变压器故障诊断

提出将模糊理论、神经网络、遗传算法和信息融合技术相结合,建立基于智能信息融合的故障诊断模型,有效地利用已有的经验知识和各种状态信息,主客观证据相融合,应用到变压器故障诊断中,实例证明此方法是有效可行的,实现了对变压器更准确可靠的诊断。     

基于模糊小波神经网络的永磁直线同步电机故障诊断

在分析永磁直线同步电机故障的基础上,采用小波基函数作为模糊隶属函数,将模糊控制与神经网络相结合,建立模糊小波神经网络模型,实现对永磁直线同步电机的故障诊断。针对BP算法的不足,使用混合学习算法训练网络,优化了网络参数。仿真结果表明该方法是很有效的。     

基于RBF神经网络的刮板输送机故障诊断

分析比较了BP神经网络和RBF神经网络在故障诊断方面的特点,以RBF神经网络为故障诊断工具,设计了刮板输送机故障诊断方案,构建了故障诊断模型,并对模型进行了样本训练。在此基础上,设计了故障诊断流程,编写了样本训练程序和基于RBF神经网络的故障诊断程序,开发了故障诊断人机界面,最终实现了刮板输送机整机在线监测和故障诊断。     

基于ALNAFSA优化BP神经网络的行星齿轮箱故障诊断

以行星齿轮箱为研究对象,提出了一种新型故障诊断方法。介绍了一种改进的自适应局部邻域人工鱼群算法(ALNAFSA),用该算法优化BP神经网络,避免了BP出现局部极值。对行星齿轮箱进行了实验,提取出5种工况的样本熵并构成特征向量,将其输入到ALNAFSA-BP模型中进行分类识别。与BP神经网络模型进行比较,结果表明,ALNAFSA-BP神经网络故障诊断准确率显著提高,达到95%。     

蚁群神经网络在GPS高程拟合中的应用研究

为了准确而快速的对GPS高程进行拟合,文中将蚁群算法与BP神经网络算法相结合,建立了一种针对GPS高程拟合的蚁群神经网络模型,并结合实际的测量控制网数据进行了验证,结果表明:通过该模型计算得到的内符精度与外符精度较BP神经网络而言均有所提高,并且拟合效率更高;研究为后续工程测量提供了参考。